基于模糊Hopfield神经网络的车牌识别系统的研究
发布时间：2021-06-27 09:02
当今社会,随着计算机计算能力的增强,使得一度低迷的神经网络又一次映入了人们的视线中,伴随着神经网络的快速发展,使得其在人工智能研究领域获得了极大的进步,现如今越来越多学者致力于此方面的研究,其中模糊理论、神经网络更是研究的重点对象。本文所研究的车牌识别技术在现代化车牌管理当中有种非常重要的地位,如何将人工智能与车牌识别结合并用于实际工作,是本文的主要研究课题。Hopfield神经网络是一种单层全连接的反馈型神经网络,此网络引入了“能量函数”的概念,在网络运行过程中,可以将吸引子存放在能量极小点中,因此在网络能量递减的过程中,终究会趋于稳定状态,正是基于Hopfield这种特性,我们将使用此网络进行车牌的识别。由于车牌识别过程存在着许多不确定性因素,为了避免这些不确定的因素使得车牌识别率过低,我们将引入模糊理论的概念,将模糊理论与神经网络相结合,不仅可以解决模糊理论本身学习能力差的问题,而且可以提高在识别精度方面的准确性。为了验证此种算法确实是可行的,我们将使用另一种算法与其进行对比分析,即受限玻尔兹曼机。受限玻尔兹曼机是一个随机神经网络,将其与用作特征提取并且与分类器相结合可以作为不错...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
从摄像头获取的初始数据
第 2 章 车牌图像处理的方法对红、绿、蓝三个色彩进行处理，这个过程称作灰度计算支持的前提下必定会花费较多的时间，因此，我速率的问题，在接下来分析灰度化的方法中，找到了的灰度化方法有：最大值法，平均值法，加权平均值权平均值法，该算法根据实际情况，分别给三种颜色然后进行加权平均并求值，同时考虑到人眼对色彩的三个分量进行加权，将求得的值作为灰度值。0.299 ( , ) + 0.587 ( , ) + 0.114 ( , ) 度化方法处理前的图像即初始图像如图 2-2 所示。化方法之后得到的图像如图 2-3 所示。
0.299 ( , ) + 0.587 ( , ) + 0.114 ( , ) 度化方法处理前的图像即初始图像如图 2-2 所示。化方法之后得到的图像如图 2-3 所示。图 2-2 灰度化处理前
【参考文献】：
期刊论文
[1]基于机器视觉的智能LED晶粒数量统计系统[J]. 周文豪,张媛媛,王想实. 计算机产品与流通. 2019(04)
[2]基于机器视觉的育秧盘裂缝缺陷检测方法研究[J]. 马旭,袁志成,王宇唯,季传栋,温志成,邓向武. 现代农业装备. 2019(01)
[3]基于Boltzmann机的物联网数据分类方法研究[J]. 刘健,常莲. 激光杂志. 2016(10)
[4]基于C环境下的Schimidt正交化方法实现[J]. 董晓萌,李乐. 电子设计工程. 2014(09)
[5]基于MATLAB的汽车牌照识别的研究[J]. 马东,韩其睿. 电子世界. 2011(11)
[6]一种模糊Hopfield网络的学习算法及性质[J]. 曾水玲,杨静宇,徐蔚鸿. 计算机科学. 2010(12)
[7]基于一类弱连续T-模的模糊Hopfield神经网络研究[J]. 袁占国,王春林,严尚安. 后勤工程学院学报. 2009(05)
[8]车牌自动识别技术研究进展[J]. 李连昌,兰志强,丛奎荣,亓学鹏. 可编程控制器与工厂自动化. 2009(07)
[9]基于离散Hopfield神经网络的文献检索智能识别[J]. 潘舜琼. 重庆工学院学报(自然科学版). 2007(07)
[10]一种基于字符复原的车牌识别方法[J]. 魏运,路小波,黄卫,朱周. 交通与计算机. 2007(01)
博士论文
[1]基于连续多阈值神经元Hopfield网络的信号直接盲检测[D]. 阮秀凯.南京邮电大学 2012
硕士论文
[1]基于ELM的风力发电机组齿轮箱故障诊断研究[D]. 杨露.上海电机学院 2018
[2]复杂背景下车牌识别算法的研究与实现[D]. 徐凯.电子科技大学 2017
[3]基于图像的无标定目标伺服控制[D]. 王梓诚.北京理工大学 2016
[4]基于深度玻尔兹曼机的特征学习算法研究[D]. 朱常宝.北京化工大学 2016
[5]基于模糊理论的BP与GA混合算法的应用研究[D]. 付国楠.中国地质大学(北京) 2016
[6]基于FPGA的手势识别遥控器[D]. 李继纲.西北大学 2015
[7]基于离散Hopfield神经网络的车牌字符识别技术研究[D]. 周雪婷.湖南师范大学 2015
[8]自然场景下的车牌检测与识别算法研究[D]. 牛博雅.北京交通大学 2015
[9]事件检测中的停车及抛落物识别算法研究[D]. 李洁.长安大学 2014
[10]灰度图像的直方图均衡化处理研究[D]. 陈永亮.安徽大学 2014
本文编号：3252551
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
从摄像头获取的初始数据
第 2 章 车牌图像处理的方法对红、绿、蓝三个色彩进行处理，这个过程称作灰度计算支持的前提下必定会花费较多的时间，因此，我速率的问题，在接下来分析灰度化的方法中，找到了的灰度化方法有：最大值法，平均值法，加权平均值权平均值法，该算法根据实际情况，分别给三种颜色然后进行加权平均并求值，同时考虑到人眼对色彩的三个分量进行加权，将求得的值作为灰度值。0.299 ( , ) + 0.587 ( , ) + 0.114 ( , ) 度化方法处理前的图像即初始图像如图 2-2 所示。化方法之后得到的图像如图 2-3 所示。
0.299 ( , ) + 0.587 ( , ) + 0.114 ( , ) 度化方法处理前的图像即初始图像如图 2-2 所示。化方法之后得到的图像如图 2-3 所示。图 2-2 灰度化处理前
【参考文献】：
期刊论文
[1]基于机器视觉的智能LED晶粒数量统计系统[J]. 周文豪,张媛媛,王想实. 计算机产品与流通. 2019(04)
[2]基于机器视觉的育秧盘裂缝缺陷检测方法研究[J]. 马旭,袁志成,王宇唯,季传栋,温志成,邓向武. 现代农业装备. 2019(01)
[3]基于Boltzmann机的物联网数据分类方法研究[J]. 刘健,常莲. 激光杂志. 2016(10)
[4]基于C环境下的Schimidt正交化方法实现[J]. 董晓萌,李乐. 电子设计工程. 2014(09)
[5]基于MATLAB的汽车牌照识别的研究[J]. 马东,韩其睿. 电子世界. 2011(11)
[6]一种模糊Hopfield网络的学习算法及性质[J]. 曾水玲,杨静宇,徐蔚鸿. 计算机科学. 2010(12)
[7]基于一类弱连续T-模的模糊Hopfield神经网络研究[J]. 袁占国,王春林,严尚安. 后勤工程学院学报. 2009(05)
[8]车牌自动识别技术研究进展[J]. 李连昌,兰志强,丛奎荣,亓学鹏. 可编程控制器与工厂自动化. 2009(07)
[9]基于离散Hopfield神经网络的文献检索智能识别[J]. 潘舜琼. 重庆工学院学报(自然科学版). 2007(07)
[10]一种基于字符复原的车牌识别方法[J]. 魏运,路小波,黄卫,朱周. 交通与计算机. 2007(01)
博士论文
[1]基于连续多阈值神经元Hopfield网络的信号直接盲检测[D]. 阮秀凯.南京邮电大学 2012
硕士论文
[1]基于ELM的风力发电机组齿轮箱故障诊断研究[D]. 杨露.上海电机学院 2018
[2]复杂背景下车牌识别算法的研究与实现[D]. 徐凯.电子科技大学 2017
[3]基于图像的无标定目标伺服控制[D]. 王梓诚.北京理工大学 2016
[4]基于深度玻尔兹曼机的特征学习算法研究[D]. 朱常宝.北京化工大学 2016
[5]基于模糊理论的BP与GA混合算法的应用研究[D]. 付国楠.中国地质大学(北京) 2016
[6]基于FPGA的手势识别遥控器[D]. 李继纲.西北大学 2015
[7]基于离散Hopfield神经网络的车牌字符识别技术研究[D]. 周雪婷.湖南师范大学 2015
[8]自然场景下的车牌检测与识别算法研究[D]. 牛博雅.北京交通大学 2015
[9]事件检测中的停车及抛落物识别算法研究[D]. 李洁.长安大学 2014
[10]灰度图像的直方图均衡化处理研究[D]. 陈永亮.安徽大学 2014
本文编号：3252551
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3252551.html
